numpy：多维键的多维结果的高效查找

为了激发标题中的“效率”：我正在处理高达512x512x1000像素的体积图像数据。因此，慢循环等不是一个真正的选项，特别是如果图像需要在GUI中查看。想象一下，坐在观众面前等待图像加载的时间只有10秒

我从两个3D输入体积x和y计算新的3D输出体积，目前一次最多三个，例如通过求解每个像素的方程系统。由于很多x、y组合实际上是重复的，而且通常只有一个连贯的网格范围是感兴趣的，所以我试图通过为这个子区域创建一个查找表来加快速度。效果很好，在我的测试用例中，我只需要大约3000次计算，而不是3000万次

现在，问题是：我完全无法以numpythonic的方式从3000个解决方案查找表中高效地查找3000万个x，y组合的解决方案

让我们举一个例子：

#                    x  y   s1   s2
lookup = np.array([[ 4, 11, 23.,  4. ],
                   [ 4, 12, 25., 13. ],
                   [ 5, 11, 21., 19. ],
                   [ 5, 12, 26., 56. ]])

我成功地获得了一个x，y对的索引，如下所示：

问题1：但如何将其矢量化，即获得3000万像素的完整解决方案阵列

s1, s2 = lookup[numpy_magic_with_xy, -2:]

问题2：事实上，我想把不在感兴趣区域内的所有x，y的所有解都设为零。我在哪里添加该条件

问题3：实现这一切的最快方法是什么

PS：我可以通过使用x.ravel（）等来使用1D图像表示，并在最后进行重塑。除非你告诉我我不需要，这只会让事情变慢。只是为了理解我自己的代码我想

s1, s2 = lookup[numpy_magic_with_xy, -2:]